用结构性MRI评估从轻度认知障碍到阿尔茨海默病的转化:一项机器学习研究

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种计算神经科学.
• 生物标志物 生物标志物

背景情况:

• 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,没有治愈方法.
• 目前的AD诊断生物标志物往往是侵入性的,昂贵的或耗时的.
• 早期诊断对于患者的结果和管理认知衰退至关重要.

研究的目的:

• 开发和验证基于MRI的计算方法,用于早期阿尔茨海默氏症诊断.
• 为了确定基于MRI的定量规则,预测从amnestic轻度认知障碍 (aMCI) 转化为AD.
• 应用机器学习算法来预测aMCI转换为AD.

主要方法:

• 收集了来自104名aMCI患者的T1加权脑磁共振图像.
• 提取了146个体积灰色物质测量 (感兴趣的区域-ROI).
• 利用随机森林进行特征选择,随后进行支持矢量机和决策树分类.

主要成果:

• 在使用 SVM 和 DT 的 aMCI 转换器 (aMCI-c) 与非转换器 (aMCI-s) 区分时,平均准确率达到了 86%.
• 识别了右侧耳鼻皮层 (EC-r) 体积低于1286 mm3作为aMCI-c的关键预测因子.
• 突出显示左侧尾 (LOC-l) 和其他叶区域作为对分类具有重要意义.

结论:

• EC-r和LOC-l的形态学显著预测aMCI转换为AD.
• 通过使用非侵入性MRI确定早期AD识别的初步体积值.
• 研究结果表明,MRI可以作为痴呆症发病的预后工具,帮助临床实践.